AutoHotkey:释放双手的自动化脚本工具
你是否曾在工作中被重复操作困扰?AutoHotkey作为一款免费开源的自动化软件,让你通过简单脚本实现复杂任务自动化,彻底改变工作方式。
你是否每天都在重复这些工作?
你是否遇到过需要频繁在多个窗口间切换,每次都要移动鼠标、点击窗口的繁琐操作?你是否因为需要反复输入相同的文本内容而感到枯燥乏味?你是否在处理数据时,因为要进行大量格式化操作而浪费时间?这些重复性工作不仅消耗精力,还严重影响工作效率。
效率解决方案:AutoHotkey能为你做什么
智能输入自动化
热字符串(Hotstring) - 文本替换神器
当你输入特定缩写时,AutoHotkey会自动将其替换为预设的完整文本。比如输入"addr",自动替换为你的详细地址信息。
💡 技巧:在脚本中使用::缩写::替换内容的格式定义热字符串,如::em::example@email.com。
相关功能实现源码:source/lib/string.cpp
高效窗口管理
窗口控制命令 - 一键掌控窗口
通过简单的脚本命令,你可以实现窗口的快速移动、调整大小、激活等操作。不再需要手动拖动窗口,提高多任务处理效率。
⚠️ 注意:使用窗口操作命令时,确保窗口标题或类名的准确性,以避免操作错误窗口。
相关功能实现源码:source/window.cpp
自动化任务执行
脚本编写 - 定制你的自动化流程
通过编写简单的脚本,将一系列操作组合起来,实现复杂任务的自动化执行。从简单的文件重命名到复杂的数据处理,都能轻松完成。
相关功能实现源码:source/script.cpp
实战案例:解决实际工作难题
案例一:快速数据录入
问题场景:每天需要在表格中录入大量相同格式的数据,包括日期、编号等固定信息。
解决方案:
^!l::
Send, {Tab}
Sleep, 50
Send, %A_YYYY%%A_MM%%A_DD%
Send, {Tab}
Sleep, 50
Send, IT-%A_YYYY%%A_MM%%A_DD%-{Random 1000, 9999}
Send, {Tab}
return
效果对比:使用前需要手动输入日期和生成随机编号,步骤繁琐;使用后只需按下Ctrl+Alt+L,自动完成数据录入,操作步骤从5步减少到1步。
案例二:多窗口快速切换
问题场景:工作中需要在多个应用程序间频繁切换,每次都要寻找窗口点击。
解决方案:
#1::WinActivate, ahk_exe code.exe
#2::WinActivate, ahk_exe chrome.exe
#3::WinActivate, ahk_exe outlook.exe
效果对比:使用前切换窗口需要移动鼠标寻找并点击;使用后按下Win+数字键即可快速切换到对应程序,切换时间从平均3秒缩短到0.5秒。
5分钟快速部署指南
获取AutoHotkey非常简单,只需按照以下步骤操作:
- 克隆仓库:
git clone https://gitcode.com/gh_mirrors/autohotke/AutoHotkey - 进入项目目录,找到适合你系统的可执行文件
- 双击运行AutoHotkey.exe
- 创建一个新的文本文件,将其扩展名改为.ahk
- 编写你的第一个脚本,双击运行即可
个性化学习路径
根据你的需求和技术背景,选择适合自己的学习路径:
初学者:从简单的热字符串和热键开始,逐步掌握基本命令,尝试编写简单的自动化脚本。
中级用户:深入学习脚本编写,掌握条件判断、循环等控制结构,实现更复杂的自动化任务。
高级用户:研究源码,了解AutoHotkey的底层实现,开发自定义功能和扩展,甚至参与项目贡献。
AutoHotkey为你提供了无限可能,开始探索,让自动化为你的工作带来更多便利和效率提升。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0197
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0127
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python07
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07